本发明提供了一种端到端长时语音识别方法。该方法包括：选取语料库为训练数据集，对训练数据集中的语音数据进行数据预处理和特征提取，生成语音特征；构造融合外部语言模型和长时语音识别算法的改进的RNN‑T模型，将语音特征输入进的RNN‑T模型进行训练，得到训练好的改进的RNN‑T模型；将训练好的改进的RNN‑T模型作为互学习知识蒸馏算法中的教师模型，利用互学习知识蒸馏算法训练互学习知识蒸馏算法中的学生模型，利用训练和验证好的学生模型对待识别的长时语音数据进行识别，输出语音识别结果。本发明通过对外部语言模型、长时语音识别算法模块和RNN‑T模型三部分进行融合，提升了模型长时语音识别的鲁棒性和泛化能力的同时，优化了算法的时间和空间复杂度。